第一章 绪论 1
第一节 智能控制的发展过程 1
一、智能控制问题的提出 1
二、智能控制的发展 2
第二节 智能控制的主要方法 4
一、专家系统和专家控制 4
二、模糊控制 5
三、神经元网络控制 5
四、学习控制 6
第三节 智能控制系统的构成原理 7
一、智能控制系统的结构 7
二、智能控制系统的特点 8
三、智能控制系统研究的数学工具 9
习题和思考题 10
第二章 模糊控制的理论基础 11
第一节 引言 11
一、模糊控制的发展 11
二、模糊控制的特点 12
三、模糊控制的定义 12
第二节 模糊集合论基础 13
一、模糊集合的概念 13
二、模糊集合的运算 16
三、模糊集合运算的基本性质 17
四、隶属度函数的建立 18
五、模糊关系 23
第三节 模糊逻辑、模糊逻辑推理和合成 29
一、二值逻辑 30
二、模糊逻辑及其基本运算 31
三、模糊语言逻辑 32
四、模糊逻辑推理 36
五、模糊关系方程的解 43
本章小结 46
习题和思考题 46
第三章 模糊控制系统 48
第一节 模糊控制系统的组成 48
一、模糊化过程 49
二、知识库 49
三、推理决策逻辑 53
四、精确化计算 54
第二节 模糊控制器的设计 55
一、模糊控制器的结构设计 55
二、模糊控制器的基本类型 57
三、模糊控制器的设计原则 59
四、模糊控制器的常规设计方法 59
第三节 模糊控制器的设计举例 64
一、流量控制的模糊控制器设计 64
二、倒立摆的模糊控制器设计 67
第四节 模糊PID控制器的设计 69
一、模糊控制器和常规PID的混合结构 70
二、常规PID参数的模糊自整定技术 72
本章小结 73
习题和思考题 74
上机实验题 74
第四章 人工神经元网络模型 75
第一节 引言 75
一、神经元模型 76
二、神经网络的模型分类 77
三、神经网络的学习算法 78
四、神经网络的泛化能力 81
第二节 前向神经网络模型 82
一、单一人工神经元 82
二、单层神经网络结构 83
三、多层神经网络结构 83
四、多层传播网络的BP学习算法 84
五、BP学习算法的MATLAB例程 89
第三节 动态神经网络模型 92
一、带时滞的多层感知器网络 93
二、Hopfield神经网络 94
三、回归神经网络 100
本章小结 102
习题和思考题 103
第五章 神经网络控制论 104
第一节 引言 104
一、神经网络控制的优越性 104
二、神经网络控制器的分类 105
三、神经网络的逼近能力 108
第二节 非线性动态系统的神经网络辨识 109
一、神经网络的辨识基础 109
二、神经网络辨识模型的结构 111
三、非线性动态系统神经网络的辨识 115
第三节 神经网络控制的学习机制 121
一、监督式学习 122
二、增强式学习 124
第四节 神经网络控制器的设计 125
一、神经网络直接逆模型控制法 125
二、直接网络控制法 127
三、多神经网络自学习控制法 129
四、单一神经元控制法 130
本章小结 132
习题和思考题 132
第六章 智能控制的集成技术 134
第一节 模糊神经网络控制 134
一、模糊神经网络的结构 135
二、模糊神经网络的学习算法 137
第二节 基于神经网络的自适应控制 143
一、自适应控制技术 143
二、神经网络的模型参考自适应控制 143
第三节 智能控制的优化算法 147
一、遗传学习算法 147
二、蚁群学习算法 149
三、迭代学习算法 150
本章小结 152
参考文献 153